如何使用熊猫获取数据框列（具有字符串数组）中每个元素的频率？

Question

我在python中有一个熊猫数据框，如下所示：df['column'] = [abc, mno]               [mno, pqr]               [abc, mno]               [mno, pqr]我想得到下面每个项目的计数：abc = 2, mno= 4 ,pqr = 2我可以对每一行进行迭代以计数，但这不是我正在寻找的那种解决方案。如果有任何方法可以使用 iloc 或与之相关的任何东西，请向我提出建议。我查看了具有类似问题的各种解决方案，但没有一个满足我的方案。

Answer 1

这是我如何使用它来解决它.explode()，.value_counts()您还可以将其分配为一列或随心所欲地使用输出：在一行中：

print(df.explode('column')['column'].value_counts())

完整示例：

import pandas as pd

data_1 = {'index':[0,1,2,3],'column':[['abc','mno'],['mno','pqr'],['abc','mno'],['mno','pqr']]}

df = pd.DataFrame(data_1)

df = df.set_index('index')

print(df)

           column

index            

0      [abc, mno]

1      [mno, pqr]

2      [abc, mno]

3      [mno, pqr]

在这里，我们执行.explode()从列表中创建单个值和 value_counts() 来计算唯一值的重复：

df_new = df.explode('column')

print(df_new['column'].value_counts())

输出：

mno    4

abc    2

pqr    2

Answer 2

利用collections.Counter

from collections import Counter

from itertools import chain

Counter(chain.from_iterable(df.column))

Out[196]: Counter({'abc': 2, 'mno': 4, 'pqr': 2})

%时间

df1 = pd.concat([df]*10000, ignore_index=True)

In [227]: %timeit pd.Series(Counter(chain.from_iterable(df1.column)))

14.3 ms ± 279 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [228]: %timeit df1.column.explode().value_counts()

127 ms ± 3.06 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)